如何检查数据帧是否包含所有 0 个条目？

如果 df 中的所有值都为 0，则此函数将返回，如果不是。TrueFalse

def is_zero(df):
    vals = df.to_numpy()
    return (0 == vals).all()

正如 @Mark 所评论的那样：

您可以尝试：

(df == 0).all()

#output
Col_1    True
Col_2    True
dtype: bool

它将给出单个列的结果，就像所有列一样; 都是Col_10Col_20

如果你这样做：

(df == 0).all(axis=None)

它将提供整个数据帧

您还可以执行以下操作：

all((df == 0).all())

看看这个：

df.isin（[0]）.sum（）

您可以检查是否有任何内容不是 0，然后否定。使用带有轴 None 的 dataFrame 方法检查所有值。这应该在第一个非零值上停止，该值优于或将构建一个全新的序列或数据帧。.anysumdf == 0

not df.any(axis=None)

出于好奇，我测试了这里给出的答案中的方法，我在 StackOverflow 的其他地方发现了类似的问题。以下是方法：

funcs = { 
    'tdelaney' : lambda df:not df.any(axis=None),
    'Goku 1'   : lambda df:(df == 0).all(axis=None),
    'Goku 2'   : lambda df:all((df == 0).all()),
    'kevin41'  : lambda df:(0 == df.to_numpy()).all(),
    'other 1'  : lambda df:not np.any(df),
    'other 2'  : lambda df:(df != 0).sum().sum() == 0,
    'other 3'  : lambda df:(df != 0).any(axis=None)
}

为了进行测试，我使用了 1000 行和 1000 列的数据帧，其中全是零，另外三个值分别为 和 ：1[1,1][499,499][999,999]

N = 1000
df0 = pd.DataFrame(np.zeros([N,N]))
df_low = pd.DataFrame(np.zeros([N,N]))
df_mid = pd.DataFrame(np.zeros([N,N]))
df_high = pd.DataFrame(np.zeros([N,N]))
df_low.loc[1, 1] = 1
df_mid.loc[N//2-1, N//2-1] = 1
df_high.loc[N-1, N-1] = 1

然后，我在循环中迭代了函数和数据帧（打印只是为了为 SO 制作表格标记）：

for name, func in funcs.items():
    print(f'| {name} ', end='')
    for df in dfs.values():
        time = timeit.timeit(setup='import pandas as pd, numpy as np', stmt='res = func(df)',number=1000,globals=locals())
        print(f'| {time:.3f} ', end='')
    print('|')

结果如下：

可以看出，kevin41 发布的答案是 - 对于这个样本数据 - 是下一个最佳解决方案的两倍多。在那之后，悟空的解决方案和“其他 3 个”解决方案彼此大致相等，最后三个解决方案比它们慢约 2.5 倍。

有趣的是，每种方法的时间和时间是一致的，这表明没有发生短路。df_lowdf_high